Search (6 results, page 1 of 1)

0.012628511 = product of:
  0.06314255 = sum of:
    0.06314255 = weight(_text_:7 in 4443) [ClassicSimilarity], result of:
      0.06314255 = score(doc=4443,freq=2.0), product of:
        0.17251469 = queryWeight, product of:
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.052075688 = queryNorm
        0.36601263 = fieldWeight in 4443, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.078125 = fieldNorm(doc=4443)
  0.2 = coord(1/5)

Date

7. 5.2009 20:06:39

0.0044199787 = product of:
  0.022099894 = sum of:
    0.022099894 = weight(_text_:7 in 2167) [ClassicSimilarity], result of:
      0.022099894 = score(doc=2167,freq=2.0), product of:
        0.17251469 = queryWeight, product of:
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.052075688 = queryNorm
        0.12810442 = fieldWeight in 2167, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.02734375 = fieldNorm(doc=2167)
  0.2 = coord(1/5)

Date

7. 4.2002 10:24:37

0.004233322 = product of:
  0.02116661 = sum of:
    0.02116661 = weight(_text_:22 in 1178) [ClassicSimilarity], result of:
      0.02116661 = score(doc=1178,freq=2.0), product of:
        0.18236019 = queryWeight, product of:
          3.5018296 = idf(docFreq=3622, maxDocs=44218)
          0.052075688 = queryNorm
        0.116070345 = fieldWeight in 1178, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.5018296 = idf(docFreq=3622, maxDocs=44218)
          0.0234375 = fieldNorm(doc=1178)
  0.2 = coord(1/5)

Content

"Ob man als Terrorist einen Anschlag gegen die Vereinigten Staaten plant, als Kassierer Scheine aus der Kasse unterschlägt oder für bestimmte Produkte besonders gerne Geld ausgibt - einen Unterschied macht Data-Mining-Software da nicht. Solche Programme analysieren riesige Daten- mengen und fällen statistische Urteile. Mit diesen Methoden wollen nun die For- scher des "Information Awaren in den Vereinigten Staaten Spuren von Terroristen in den Datenbanken von Behörden und privaten Unternehmen wie Kreditkartenfirmen finden. 200 Millionen Dollar umfasst der Jahresetat für die verschiedenen Forschungsprojekte. Dass solche Software in der Praxis funktioniert, zeigen die steigenden Umsätze der Anbieter so genannter Customer-Relationship-Management-Software. Im vergangenen Jahr ist das Potenzial für analytische CRM-Anwendungen laut dem Marktforschungsinstitut IDC weltweit um 22 Prozent gewachsen, bis zum Jahr 2006 soll es in Deutschland mit einem jährlichen Plus von 14,1 Prozent so weitergehen. Und das trotz schwacher Konjunktur - oder gerade deswegen. Denn ähnlich wie Data-Mining der USRegierung helfen soll, Terroristen zu finden, entscheiden CRM-Programme heute, welche Kunden für eine Firma profitabel sind. Und welche es künftig sein werden, wie Manuela Schnaubelt, Sprecherin des CRM-Anbieters SAP, beschreibt: "Die Kundenbewertung ist ein zentraler Bestandteil des analytischen CRM. Sie ermöglicht es Unternehmen, sich auf die für sie wichtigen und richtigen Kunden zu fokussieren. Darüber hinaus können Firmen mit speziellen Scoring- Verfahren ermitteln, welche Kunden langfristig in welchem Maße zum Unternehmenserfolg beitragen." Die Folgen der Bewertungen sind für die Betroffenen nicht immer positiv: Attraktive Kunden profitieren von individuellen Sonderangeboten und besonderer Zuwendung. Andere hängen vielleicht so lauge in der Warteschleife des Telefonservice, bis die profitableren Kunden abgearbeitet sind. So könnte eine praktische Umsetzung dessen aussehen, was SAP-Spreche-rin Schnaubelt abstrakt beschreibt: "In vielen Unternehmen wird Kundenbewertung mit der klassischen ABC-Analyse durchgeführt, bei der Kunden anhand von Daten wie dem Umsatz kategorisiert werden. A-Kunden als besonders wichtige Kunden werden anders betreut als C-Kunden." Noch näher am geplanten Einsatz von Data-Mining zur Terroristenjagd ist eine Anwendung, die heute viele Firmen erfolgreich nutzen: Sie spüren betrügende Mitarbeiter auf. Werner Sülzer vom großen CRM-Anbieter NCR Teradata beschreibt die Möglichkeiten so: "Heute hinterlässt praktisch jeder Täter - ob Mitarbeiter, Kunde oder Lieferant - Datenspuren bei seinen wirtschaftskriminellen Handlungen. Es muss vorrangig darum gehen, einzelne Spuren zu Handlungsmustern und Täterprofilen zu verdichten. Das gelingt mittels zentraler Datenlager und hoch entwickelter Such- und Analyseinstrumente." Von konkreten Erfolgen sprich: Entlas-sungen krimineller Mitarbeiter-nach Einsatz solcher Programme erzählen Unternehmen nicht gerne. Matthias Wilke von der "Beratungsstelle für Technologiefolgen und Qualifizierung" (BTQ) der Gewerkschaft Verdi weiß von einem Fall 'aus der Schweiz. Dort setzt die Handelskette "Pick Pay" das Programm "Lord Lose Prevention" ein. Zwei Monate nach Einfüh-rung seien Unterschlagungen im Wert von etwa 200 000 Franken ermittelt worden. Das kostete mehr als 50 verdächtige Kassiererinnen und Kassierer den Job.

0.004233322 = product of:
  0.02116661 = sum of:
    0.02116661 = weight(_text_:22 in 5) [ClassicSimilarity], result of:
      0.02116661 = score(doc=5,freq=2.0), product of:
        0.18236019 = queryWeight, product of:
          3.5018296 = idf(docFreq=3622, maxDocs=44218)
          0.052075688 = queryNorm
        0.116070345 = fieldWeight in 5, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.5018296 = idf(docFreq=3622, maxDocs=44218)
          0.0234375 = fieldNorm(doc=5)
  0.2 = coord(1/5)

Date

22. 2.2003 9:55:44

0.0031571276 = product of:
  0.015785638 = sum of:
    0.015785638 = weight(_text_:7 in 863) [ClassicSimilarity], result of:
      0.015785638 = score(doc=863,freq=2.0), product of:
        0.17251469 = queryWeight, product of:
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.052075688 = queryNorm
        0.09150316 = fieldWeight in 863, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.01953125 = fieldNorm(doc=863)
  0.2 = coord(1/5)

Date

7. 8.2002 10:01:09

0.0031571276 = product of:
  0.015785638 = sum of:
    0.015785638 = weight(_text_:7 in 391) [ClassicSimilarity], result of:
      0.015785638 = score(doc=391,freq=2.0), product of:
        0.17251469 = queryWeight, product of:
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.052075688 = queryNorm
        0.09150316 = fieldWeight in 391, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.3127685 = idf(docFreq=4376, maxDocs=44218)
          0.01953125 = fieldNorm(doc=391)
  0.2 = coord(1/5)

Content

ASCII steht für American Standard Code for Information Interchange. Es ist ein international festgelegter Zeichensatz, der eingeführt wurde, um die Kommunikation zwischen Computersystemen verschiedener Hersteller zu erleichtern. Zur Kodierung werden sieben Bits verwendet, daher umfasst der Zeichensatz 2 hoch 7, also 128 Zeichen. Dazu gehören sämtliche Groß- und Kleinbuchstaben (außer Umlaute), die Ziffern 0 bis 9 sowie Sonder- und Steuerzeichen. Der erweiterte ASCII-Zeichensatz verwendet zur Kodierung acht Bits, kann daher 256 Zeichen darstellen - hier kommen auch die deutschen Umlaute unter. ASCII-Nachfolger Unicode arbeitet mit 16 Bits und 65 536 Zeichen - genug Raum auch für kyrillische oder chinesische Zeichen